[發明專利]人聲檢測方法、裝置及電子設備和計算機可讀存儲介質

在審

• 申請號: 202110138481.2
• 申請日: 2021-02-01
• 公開（公告）號: CN112967738A
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 張超鵬
• 申請（專利權）人: 騰訊音樂娛樂科技（深圳）有限公司
• 主分類號: G10L25/81
• 分類號: G10L25/81;G10L25/21;G10L25/78
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 夏歡

1.一種人聲檢測方法，其特征在于，包括：

獲取音頻信號，對所述音頻信號進行傅里葉變換，并基于傅里葉變換結果計算所述音頻信號對應的功率譜；

根據所述功率譜構建所述音頻信號對應的沿時間分布的人聲可能性概率序列；

基于所述人聲可能性概率序列和第一概率閾值在所述音頻信號中確定有效人聲片段。

2.根據權利要求1所述人聲檢測方法，其特征在于，所述獲取音頻信號之后，還包括：

對所述音頻信號進行降采樣處理。

3.根據權利要求1所述人聲檢測方法，其特征在于，對所述音頻信號進行傅里葉變換，包括：

對所述音頻信號進行分幀和加窗處理，并對處理結果進行傅里葉變換。

4.根據權利要求1所述人聲檢測方法，其特征在于，所述根據所述功率譜構建所述音頻信號對應的沿時間分布的人聲可能性概率序列，包括：

根據所述功率譜確定所述音頻信號的基音頻率，基于所述功率譜和所述基音頻率構造加權系數，并利用所述加權系數對所述功率譜進行加權；

利用加權前的功率譜和加權后的功率譜構建所述音頻信號對應的沿時間分布的人聲可能性概率序列。

5.根據權利要求4所述人聲檢測方法，其特征在于，所述根據所述功率譜確定所述音頻信號的基音頻率，包括：

根據傅里葉變換的點數和預設基音頻率范圍確定基音頻率對應的頻點范圍；

利用三角窗卷積操作對所述功率譜進行平滑處理；

在平滑后的功率譜中確定所述頻點范圍內的第一個波峰位置，并將所述波峰位置對應的頻率確定為所述音頻信號的基音頻率。

6.根據權利要求4所述人聲檢測方法，其特征在于，所述基于所述功率譜和所述基音頻率構造加權系數，包括：

基于所述基音頻率構造正弦權系數；

對所述功率譜進行無延遲的低通濾波，以提取包絡信息作為包絡權系數；

根據所述正弦權系數和所述包絡權系數確定加權系數。

7.根據權利要求4所述人聲檢測方法，其特征在于，所述利用加權前的功率譜和加權后的功率譜構建所述音頻信號對應的沿時間分布的人聲可能性概率序列，包括：

基于加權后的功率譜計算每幀信號中每個頻點對應的功率的和作為第一求和值；

基于加權前的功率譜計算每幀信號中每個頻點對應的功率的和作為第二求和值；

將所述第一求和值與所述第二求和值的比值確定為每幀信號的人聲可行性概率；

對每幀信號的人聲可行性概率進行歸一化處理，并根據每幀信號的歸一化結果構建所述音頻信號對應的沿時間分布的人聲可能性概率序列。

8.根據權利要求1至7中任一項所述人聲檢測方法，其特征在于，所述基于所述人聲可能性概率序列和第一概率閾值在所述音頻信號中確定有效人聲片段，包括：

按照預設規則在所述音頻信號中確定有效人聲片段；

其中，所述預設規則包括：將每幀信號的人聲可能性概率均大于或等于第一概率閾值的片段確定為第一候選有效人聲片段；若相鄰第一候選有效人聲片段之間的間隔片段的長度小于或等于第一預設幀長，且所述間隔片段內不存在人聲可能性概率小于或等于第二概率閾值的信號幀，則將所述相鄰第一候選有效人聲片段和所述間隔片段連接為第二候選有效人聲片段；將片段長度大于第二預設幀長的第一候選有效人聲片段和第二候選有效人聲片段確定為所述有效人聲片段；其中，所述第一概率閾值大于所述第二概率閾值。